본 논문은 인간의 시각적 강건성(robustness)이 복잡한 시각적 환경에서도 효율적으로 시각 정보를 처리하는 능력을 의미하며, 심층 신경망(DNN)이 많은 시각적 과제에서 뛰어난 성능을 보이지만 작은 이미지 변화에도 취약한 점을 지적합니다. 인간의 시각적 강건성은 배측 시각 경로(VVS)를 따라 진화하는 표상 공간에서 물체 변형에 대한 내성이 점차 증가하는 것에서 기인한다는 이전 이론들을 바탕으로, 본 연구는 DNN의 표상을 연속적인 VVS 영역의 인간 신경 반응과 정렬시키면서 시각적 과제를 수행하도록 DNN을 훈련시켰습니다. 그 결과, 고차 VVS 영역과의 정렬이 DNN의 강건성을 더욱 향상시킨다는 계층적 개선을 보였습니다. 또한, 인간의 강건성을 VVS의 신경 범주 다양체(manifold)의 고유한 기하학적 구조에 기인한다는 가설을 검증하여, 더 바람직한 다양체 특성(작은 범위와 더 나은 선형 분리성)이 인간 VVS에서 나타나며, 이러한 특성이 신경 정렬된 DNN에 계승되어 강건성 향상을 예측한다는 것을 밝혔습니다. 마지막으로, 다양체 안내를 통한 신경 다양체만으로의 지도가 계층적 강건성 향상을 정성적으로 재현하기에 충분함을 보였습니다. 결론적으로, 본 연구는 VVS 전반의 진화하는 표상 공간, 특히 더 선형적으로 분리 가능한 범주 다양체 형성이 강건한 시각적 추론을 달성하는 데 중요한 역할을 한다는 것을 강조하며, 이를 통해 더 강건한 AI 시스템을 개발하는 데 활용될 수 있음을 시사합니다.
